In [5]:
plt.figure(figsize=(18, 8))
sns.heatmap(data.isna(), cbar=True)
plt.title('Тепловая карта с отображением пропусков', fontsize=14)
plt.xlabel('Названия столбцов датафрейма', fontsize=14)
plt.xticks(rotation=20)
plt.show()
Цель:
Провести исследование рынка общественного питания Москвы для помощи определения места и вида будущего заведения общественного питания.
Задачи:
Ход работы:
Подключим необходимые для работы библиотеки.
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from scipy import stats as st
import plotly.express as px
from plotly import graph_objects as go
import re
from folium import Map, Choropleth, Marker
from folium.plugins import MarkerCluster
import warnings
import json
Считаем данные о заведениях общественного питания Москвы из файла.
#Считаем данные из файла
data = pd.read_csv('dataset/moscow_places.csv')
data.info()
data.head()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 8406 entries, 0 to 8405 Data columns (total 14 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 name 8406 non-null object 1 category 8406 non-null object 2 address 8406 non-null object 3 district 8406 non-null object 4 hours 7870 non-null object 5 lat 8406 non-null float64 6 lng 8406 non-null float64 7 rating 8406 non-null float64 8 price 3315 non-null object 9 avg_bill 3816 non-null object 10 middle_avg_bill 3149 non-null float64 11 middle_coffee_cup 535 non-null float64 12 chain 8406 non-null int64 13 seats 4795 non-null float64 dtypes: float64(6), int64(1), object(7) memory usage: 919.5+ KB
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | WoWфли | кафе | Москва, улица Дыбенко, 7/1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.878494 | 37.478860 | 5.0 | NaN | NaN | NaN | NaN | 0 | NaN |
| 1 | Четыре комнаты | ресторан | Москва, улица Дыбенко, 36, корп. 1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.875801 | 37.484479 | 4.5 | выше среднего | Средний счёт:1500–1600 ₽ | 1550.0 | NaN | 0 | 4.0 |
| 2 | Хазри | кафе | Москва, Клязьминская улица, 15 | Северный административный округ | пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... | 55.889146 | 37.525901 | 4.6 | средние | Средний счёт:от 1000 ₽ | 1000.0 | NaN | 0 | 45.0 |
| 3 | Dormouse Coffee Shop | кофейня | Москва, улица Маршала Федоренко, 12 | Северный административный округ | ежедневно, 09:00–22:00 | 55.881608 | 37.488860 | 5.0 | NaN | Цена чашки капучино:155–185 ₽ | NaN | 170.0 | 0 | NaN |
| 4 | Иль Марко | пиццерия | Москва, Правобережная улица, 1Б | Северный административный округ | ежедневно, 10:00–22:00 | 55.881166 | 37.449357 | 5.0 | средние | Средний счёт:400–600 ₽ | 500.0 | NaN | 1 | 148.0 |
Вывод:
В таблице представлена информация о 8406 заведениях общественного питания Москвы.
seats, заменим его на int32, так как количество посадочных мест не может быть не целым числом, а также поменяем тип столбца chain на тип bool, так как этот столбец хранит 0 и 1 значения и показывает является ли заведение сетевым.Для начала проверим пропуски в столбцах, узнаем с чем они связаны и можно ли их обработать.
data.isna().sum()
name 0 category 0 address 0 district 0 hours 536 lat 0 lng 0 rating 0 price 5091 avg_bill 4590 middle_avg_bill 5257 middle_coffee_cup 7871 chain 0 seats 3611 dtype: int64
plt.figure(figsize=(18, 8))
sns.heatmap(data.isna(), cbar=True)
plt.title('Тепловая карта с отображением пропусков', fontsize=14)
plt.xlabel('Названия столбцов датафрейма', fontsize=14)
plt.xticks(rotation=20)
plt.show()
Как видим, в некоторых столбцах пропущенно очень много значений. Так как единичных пропусков нет в датафрейме, то удалять большое количество пропусков может быть критично и потеряется большой процент данных.
В столбце с временем работы hours заменить пропуски мы не сможем, так как время работы заведений нам не известно.
В остальных столбцах, где пропущено много значений тоже вряд ли можно заменить пропуски, так как заменя на среднее значение в большом количестве может исказить результаты исследования.
В столбце с количеством посадочных мест значение NaN может встречаться когда в заведении нет посадочных мест и еда выдается на вынос, например, кофе с собой, или же заведение может находиться на фудкорте в ТЦ, тогда у заведения не будет конкретного собственного количества мест. Поэтому в данном случае заменим пропуски на 0 значения.
data['seats'] = data['seats'].fillna(value=0)
data.isna().sum()
name 0 category 0 address 0 district 0 hours 536 lat 0 lng 0 rating 0 price 5091 avg_bill 4590 middle_avg_bill 5257 middle_coffee_cup 7871 chain 0 seats 0 dtype: int64
Проверим, есть ли в датафрейме дубликаты.
data.duplicated().sum()
0
dupl = data[data.duplicated(subset=['name', 'address'])]
dupl
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats |
|---|
Полные дубликаты в таблице отсутствуют.
Проверим есть ли неявные дубликаты, выведем уникальные наименования заведений, а также поищем схожие названия заведений по ключевым словам.
data['name'].unique()
array(['WoWфли', 'Четыре комнаты', 'Хазри', ..., 'Миславнес', 'Самовар',
'Kebab Time'], dtype=object)
data[data['name'].str.contains('пицца', case=False)]['name'].unique()
array(['Додо Пицца', "Домино'с Пицца", 'Виладж пицца', 'Суши & пицца',
'Алло! Пицца', 'Вуди пицца', 'Пицца Фалафилло Халяль',
'Неаполитан пицца', 'Доминос пицца', 'Пицца 28 сантиметров',
'Пицца', 'Гран Торино Пицца', 'Виват Пицца', 'Премьер Пицца',
'Корнели Пицца', 'Пицца на районе', 'Пицца & Гирос & Шаурма',
'Пиво пицца', 'ПиццаДар', 'Сити Пицца', 'Дэнди Пицца', 'Чао-пицца',
'Максима Пицца', 'Белла ЧАО пицца и кофе', 'Пицца и Канноли',
'Таекпицца', 'Дореми пицца', 'Тода Пицца', 'Моллетта Пицца&Паста',
"Домино'с пицца", 'Суши пицца', 'Нью-Йорк пицца и гриль',
'Пицца и гирос', 'Маэстро пицца', 'Пицца Паоло', 'Пицца-фабрика',
'Пицца Пеппе', 'Иль пиццайоло', 'Пицца-Паста', 'Нияма&Пицца-Пи',
'Пицца бар Лавка', 'Пицца экспресс', 'КИНОпицца', 'Пиццаменто',
'Пицца фабрика', 'Пицца Грасса', 'ПиццаСушиВок', 'Дока Пицца',
'Ташир пицца', 'Пицца № 1', 'Галло пицца&бургег', 'Аллора пицца',
'Суши-Пицца 312', 'Фермерс пицца',
'Чемпион Суши - суши, роллы, wok, пицца, донер', 'Пицца Суши ТАТ',
'Пицца всем', 'ПиццаНео', 'Суши-пицца-паста', 'Пицца парк',
'Моцна пицца', 'Римская пицца', 'Алло Пицца', 'WoW Пицца',
'Пицца Экспресс 24 часа', 'Пицца суши пекарня', 'Пицца Кофе',
'Eateria Паста&Пицца', 'Любимая пицца', 'Ситипицца'], dtype=object)
Как видим неявные дубликаты присутствуют в названиях заведений. Заменим их.
data['name'] = data['name'].str.replace('ABC coffee roasters', 'ABC Coffee Roasters')
data['name'] = data['name'].str.replace('Bb grill', 'Bb Grill')
data['name'] = data['name'].str.replace('Deli2go', 'Deli2Go')
data['name'] = data['name'].str.replace('Di villaggio', 'Di Villaggio')
data['name'] = data['name'].str.replace('Espresso bar', 'Espresso Bar')
data['name'] = data['name'].str.replace('Hellopapaya', 'HelloPapaya')
data['name'] = data['name'].replace('Яндекс.Лавка', 'Яндекс Лавка')
data['name'] = data['name'].replace(['Доминос пицца', "Домино'с", "Домино'с Пицца"], "Домино'с пицца")
data['name'] = data['name'].replace('Аль баракат', 'Аль-барака')
data['name'] = data['name'].replace('Алло Пицца', 'Алло! Пицца')
data['name'] = data['name'].replace('Вкусвилл, кафе', 'ВкусВилл, кафе')
data['name'] = data['name'].replace('Лепим и Варим', 'Лепим и варим')
data['name'] = data['name'].replace('Крошка Картошка', 'Крошка картошка')
data['name'] = data['name'].replace('Правда Кофе', 'Правда кофе')
data['name'] = data['name'].replace('Новатор Кофе', 'Новатор кофе')
data['name'] = data['name'].replace('Практика Кофе', 'Практика кофе')
data['name'] = data['name'].replace('Чудо-печка', 'Чудо Печка')
data['name'] = data['name'].replace('Чебуреки Манты', 'Чебуреки и манты')
data['name'] = data['name'].replace('Чайхона № 1', 'Чайхона №1')
data['name'] = data['name'].replace('Чайхона ОШ Сити', 'Чайхона Ош сити')
data['name'] = data['name'].replace('Трдельникъ', 'Трдельник')
data['name'] = data['name'].replace('Франклинс Бургер', 'Франклинс бургер')
data['name'] = data['name'].replace(['Хлеб Насущный Экспресс', 'Хлеб Насущный'], 'Хлеб насущный')
Заменили неявные дубликаты. Теперь заменим типы столбцов на соответствующие.
#Заменим количество посадочных мест на int32 для экономии памяти
data['seats'] = data['seats'].astype('Int32')
data['chain'] = data['chain'].astype('bool')
data.info()
data.head()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 8406 entries, 0 to 8405 Data columns (total 14 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 name 8406 non-null object 1 category 8406 non-null object 2 address 8406 non-null object 3 district 8406 non-null object 4 hours 7870 non-null object 5 lat 8406 non-null float64 6 lng 8406 non-null float64 7 rating 8406 non-null float64 8 price 3315 non-null object 9 avg_bill 3816 non-null object 10 middle_avg_bill 3149 non-null float64 11 middle_coffee_cup 535 non-null float64 12 chain 8406 non-null bool 13 seats 8406 non-null Int32 dtypes: Int32(1), bool(1), float64(5), object(7) memory usage: 837.4+ KB
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | WoWфли | кафе | Москва, улица Дыбенко, 7/1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.878494 | 37.478860 | 5.0 | NaN | NaN | NaN | NaN | False | 0 |
| 1 | Четыре комнаты | ресторан | Москва, улица Дыбенко, 36, корп. 1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.875801 | 37.484479 | 4.5 | выше среднего | Средний счёт:1500–1600 ₽ | 1550.0 | NaN | False | 4 |
| 2 | Хазри | кафе | Москва, Клязьминская улица, 15 | Северный административный округ | пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... | 55.889146 | 37.525901 | 4.6 | средние | Средний счёт:от 1000 ₽ | 1000.0 | NaN | False | 45 |
| 3 | Dormouse Coffee Shop | кофейня | Москва, улица Маршала Федоренко, 12 | Северный административный округ | ежедневно, 09:00–22:00 | 55.881608 | 37.488860 | 5.0 | NaN | Цена чашки капучино:155–185 ₽ | NaN | 170.0 | False | 0 |
| 4 | Иль Марко | пиццерия | Москва, Правобережная улица, 1Б | Северный административный округ | ежедневно, 10:00–22:00 | 55.881166 | 37.449357 | 5.0 | средние | Средний счёт:400–600 ₽ | 500.0 | NaN | True | 148 |
data['chain'].unique()
array([False, True])
После замены типа столбца chain на bool, уникальные значения столбца стали True, если заведение сетевое и False, если заведение не сетевое.
data['seats'].describe()
count 8406.0 mean 61.846538 std 107.175995 min 0.0 25% 0.0 50% 20.0 75% 85.0 max 1288.0 Name: seats, dtype: Float64
Минимальное количество посадочных мест в заведениях = 0, а максимальное 1288. Проверим в каких заведениях 1288 мест.
Создадим столбец street с названием улиц из столбца с адресом.
#Напишем функцию с регулярным выражением для извлечения улицы из адреса
def extract_street(address):
search_result = re.search(', (.*[^\d][^,]), | (.*)', address)
if search_result.group(1) != None:
return search_result.group(1)
else:
return search_result.group(2)
#Извлекаем улицы из адреса
streets = []
for i in data['address']:
street = extract_street(i)
cut_index = street.find(',')
if cut_index != -1:
street = street[:cut_index]
streets.append(street)
#Проверяем есть ли пустые значения в улицах
print(None in streets)
#Проверяем общее количество улиц, чтобы совпадало с размером таблицы
len(streets)
False
8406
Пустых значений улиц нет, количество улиц совпадает с длиной датафрейма.
#Формируем новый столбец
data['street'] = streets
data.sample(5)
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | street | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 3404 | Боэми | ресторан | Москва, Рочдельская улица, 11/5 | Центральный административный округ | ежедневно, 12:00–23:00 | 55.756514 | 37.570038 | 4.7 | высокие | Средний счёт:1500–2000 ₽ | 1750.0 | NaN | False | 63 | Рочдельская улица |
| 5041 | Joon | бар,паб | Москва, Пятницкая улица, 56, стр. 4 | Центральный административный округ | пн-чт 10:00–23:00; пт,сб 10:00–00:00; вс 10:00... | 55.733776 | 37.627406 | 4.7 | выше среднего | Средний счёт:1000–1500 ₽ | 1250.0 | NaN | False | 50 | Пятницкая улица |
| 5621 | У Джона | ресторан | Москва, Нежинская улица, 13к2 | Западный административный округ | ежедневно, 11:00–00:00 | 55.708518 | 37.470246 | 4.3 | выше среднего | Средний счёт:1000–1500 ₽ | 1250.0 | NaN | False | 0 | Нежинская улица |
| 8156 | Кушать подано | столовая | Москва, Волгоградский проспект, 35 | Юго-Восточный административный округ | пн-пт 07:30–17:30 | 55.723434 | 37.696269 | 4.2 | NaN | Средний счёт:220–300 ₽ | 260.0 | NaN | False | 0 | Волгоградский проспект |
| 6585 | Osteria Mario | пиццерия | Москва, проспект Вернадского, вл41 | Западный административный округ | ежедневно, 12:00–23:00 | 55.674341 | 37.502521 | 4.5 | NaN | Средний счёт:1000–1500 ₽ | 1250.0 | NaN | True | 0 | проспект Вернадского |
Новый столбец с названиями улиц добавлен в датафрейм.
Добавим новый столбец с информацией, работает ли заведение 24 на 7 или нет.
is_24_7 = []
for i in data['hours']:
if i == 'ежедневно, круглосуточно':
is_24_7.append(True)
else:
is_24_7.append(False)
data['is_24_7'] = is_24_7
data.head()
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | street | is_24_7 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | WoWфли | кафе | Москва, улица Дыбенко, 7/1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.878494 | 37.478860 | 5.0 | NaN | NaN | NaN | NaN | False | 0 | улица Дыбенко | False |
| 1 | Четыре комнаты | ресторан | Москва, улица Дыбенко, 36, корп. 1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.875801 | 37.484479 | 4.5 | выше среднего | Средний счёт:1500–1600 ₽ | 1550.0 | NaN | False | 4 | улица Дыбенко | False |
| 2 | Хазри | кафе | Москва, Клязьминская улица, 15 | Северный административный округ | пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... | 55.889146 | 37.525901 | 4.6 | средние | Средний счёт:от 1000 ₽ | 1000.0 | NaN | False | 45 | Клязьминская улица | False |
| 3 | Dormouse Coffee Shop | кофейня | Москва, улица Маршала Федоренко, 12 | Северный административный округ | ежедневно, 09:00–22:00 | 55.881608 | 37.488860 | 5.0 | NaN | Цена чашки капучино:155–185 ₽ | NaN | 170.0 | False | 0 | улица Маршала Федоренко | False |
| 4 | Иль Марко | пиццерия | Москва, Правобережная улица, 1Б | Северный административный округ | ежедневно, 10:00–22:00 | 55.881166 | 37.449357 | 5.0 | средние | Средний счёт:400–600 ₽ | 500.0 | NaN | True | 148 | Правобережная улица | False |
Успешно добавлен столбец, который показывает True и False, если заведение работает круглосуточно или нет.
Создаю новый столбец с названием заведений и привожу названия к нижнему регистру для последующей проверки дубликатов.
data['name_lower'] = data['name'].str.lower()
dupls = data[data.duplicated(subset=['name_lower', 'address'])]
dupls
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | street | is_24_7 | name_lower | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 55 | Чебуреки и манты | кафе | Москва, Правобережная улица, 1Б | Северный административный округ | ежедневно, 10:00–22:00 | 55.880288 | 37.448645 | 4.3 | NaN | NaN | NaN | NaN | False | 148 | Правобережная улица | False | чебуреки и манты |
| 1511 | More Poke | ресторан | Москва, Волоколамское шоссе, 11, стр. 2 | Северный административный округ | пн-чт 09:00–18:00; пт,сб 09:00–21:00; вс 09:00... | 55.806307 | 37.497566 | 4.2 | NaN | NaN | NaN | NaN | True | 188 | Волоколамское шоссе | False | more poke |
| 2420 | Раковарня Клешни и хвосты | бар,паб | Москва, проспект Мира, 118 | Северо-Восточный административный округ | пн-чт 12:00–00:00; пт,сб 12:00–01:00; вс 12:00... | 55.810677 | 37.638379 | 4.4 | NaN | NaN | NaN | NaN | True | 150 | проспект Мира | False | раковарня клешни и хвосты |
| 2467 | Хлеб насущный | булочная | Москва, Комсомольская площадь, 3 | Центральный административный округ | пн-пт 07:00–21:00; сб 07:00–20:00; вс 08:00–20:00 | 55.779720 | 37.654411 | 4.1 | NaN | NaN | NaN | NaN | False | 200 | Комсомольская площадь | False | хлеб насущный |
| 3109 | Хлеб да выпечка | кафе | Москва, Ярцевская улица, 19 | Западный административный округ | NaN | 55.738449 | 37.410937 | 4.1 | NaN | NaN | NaN | NaN | False | 276 | Ярцевская улица | False | хлеб да выпечка |
Нашлось 5 дубликатов по названию и адресу заведений. Удалим эти дубликаты, но для начала узнаем длину датасета, чтобы посмотреть какой процент данных удалится.
df_len = len(data)
print('Размер датасета:', df_len)
Размер датасета: 8406
Удаляем неявные дубликаты.
data = data.drop_duplicates(subset=['name_lower', 'address'], keep='last')
data.head()
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | street | is_24_7 | name_lower | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | WoWфли | кафе | Москва, улица Дыбенко, 7/1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.878494 | 37.478860 | 5.0 | NaN | NaN | NaN | NaN | False | 0 | улица Дыбенко | False | wowфли |
| 1 | Четыре комнаты | ресторан | Москва, улица Дыбенко, 36, корп. 1 | Северный административный округ | ежедневно, 10:00–22:00 | 55.875801 | 37.484479 | 4.5 | выше среднего | Средний счёт:1500–1600 ₽ | 1550.0 | NaN | False | 4 | улица Дыбенко | False | четыре комнаты |
| 2 | Хазри | кафе | Москва, Клязьминская улица, 15 | Северный административный округ | пн-чт 11:00–02:00; пт,сб 11:00–05:00; вс 11:00... | 55.889146 | 37.525901 | 4.6 | средние | Средний счёт:от 1000 ₽ | 1000.0 | NaN | False | 45 | Клязьминская улица | False | хазри |
| 3 | Dormouse Coffee Shop | кофейня | Москва, улица Маршала Федоренко, 12 | Северный административный округ | ежедневно, 09:00–22:00 | 55.881608 | 37.488860 | 5.0 | NaN | Цена чашки капучино:155–185 ₽ | NaN | 170.0 | False | 0 | улица Маршала Федоренко | False | dormouse coffee shop |
| 4 | Иль Марко | пиццерия | Москва, Правобережная улица, 1Б | Северный административный округ | ежедневно, 10:00–22:00 | 55.881166 | 37.449357 | 5.0 | средние | Средний счёт:400–600 ₽ | 500.0 | NaN | True | 148 | Правобережная улица | False | иль марко |
print('Размер датасета стал:', len(data))
print('Удалилось ', round(df_len / len(data) * 100 - 100 , 2), '%')
Размер датасета стал: 8401 Удалилось 0.06 %
Неявные дубликаты были успешно удалены и количество удаленных данных не превышает 5%.
Вывод:
seats, chain были заменены типы данных на более подходящие;Для начала посчитаем общее количество заведений.
print('Общее количество заведений общественного питания равно', len(data))
Общее количество заведений общественного питания равно 8401
#Группируем по категориям и считаем количество заведений
places = data.pivot_table(index='category', values='name', aggfunc='count')\
.reset_index().sort_values(by='name', ascending=False)
places.columns = ['Категория заведения', 'Количество']
places['Процент'] = round(places['Количество'] / places['Количество'].sum() * 100)
cm = sns.light_palette("lightblue", as_cmap=True)
display(places.style.background_gradient(cmap=cm).set_caption("Категории заведений в датасете"))
fig = px.bar(places, y='Количество', x='Категория заведения',
title='Соотношение категорий заведений питания',
hover_name='Категория заведения',
text='Количество')
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.show()
| Категория заведения | Количество | Процент | |
|---|---|---|---|
| 3 | кафе | 2377 | 28.000000 |
| 6 | ресторан | 2041 | 24.000000 |
| 4 | кофейня | 1413 | 17.000000 |
| 0 | бар,паб | 765 | 9.000000 |
| 5 | пиццерия | 633 | 8.000000 |
| 2 | быстрое питание | 603 | 7.000000 |
| 7 | столовая | 315 | 4.000000 |
| 1 | булочная | 254 | 3.000000 |
Как видно из диаграммы, большинство заведений общественного питания относятся к категориям "кафе" - 28% и "рестораны" - 24%. На 3 месте популярны кофейни, к ним относятся 17%.
Следовательно, самая популярная категория заведений - "Кафе".
Посмотрим, как распределяются количество посадочных мест:
#Считаем общее количество посадочных мест по категориям заведений
cat_seats = data.pivot_table(index='category', values='seats', aggfunc='sum')\
.reset_index().sort_values(by='seats', ascending=False)
cat_seats.columns = ['Категория заведения', 'Общее кол-во посадочных мест']
display(cat_seats.style.background_gradient(cmap=cm).set_caption("Общее количество посадочных мест по категориям"))
fig = px.bar(cat_seats, y='Общее кол-во посадочных мест', x='Категория заведения',
title='Соотношение посадочных мест по категориям',
hover_name='Категория заведения',
text='Общее кол-во посадочных мест')
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.show()
| Категория заведения | Общее кол-во посадочных мест | |
|---|---|---|
| 6 | ресторан | 154531 |
| 3 | кафе | 118622 |
| 4 | кофейня | 83511 |
| 0 | бар,паб | 58281 |
| 5 | пиццерия | 40350 |
| 2 | быстрое питание | 34513 |
| 7 | столовая | 16359 |
| 1 | булочная | 12753 |
Как видим наибольшее общее количество мест приходится на "рестораны". Также, достаточно большая часть мест приходится и на "кафе".
#Считаем среднее количество мест по категориям
seats_by_cat = data.pivot_table(index='category', values='seats', aggfunc='mean')\
.reset_index().sort_values(by='seats', ascending=False)
seats_by_cat['seats'] = seats_by_cat['seats'].astype(float).round()
seats_by_cat.columns = ['Категория заведения', 'Среднее кол-во посадочных мест']
display(seats_by_cat.style.background_gradient(cmap=cm)\
.set_caption("Среднее количество посадочных мест по категориям"))
fig = px.bar(seats_by_cat, y='Среднее кол-во посадочных мест', x='Категория заведения',
title='Соотношение посадочных мест по категориям',
hover_name='Категория заведения',
text='Среднее кол-во посадочных мест')
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.show()
| Категория заведения | Среднее кол-во посадочных мест | |
|---|---|---|
| 0 | бар,паб | 76.000000 |
| 6 | ресторан | 76.000000 |
| 5 | пиццерия | 64.000000 |
| 4 | кофейня | 59.000000 |
| 2 | быстрое питание | 57.000000 |
| 7 | столовая | 52.000000 |
| 1 | булочная | 50.000000 |
| 3 | кафе | 50.000000 |
При проверке среднего значения посадочных мест, замечаем, что помимо ресторанов наибольшее количество посадочных мест приходится также на бары и пабы.
Проверим зависит ли количество посадочных мест в сетевых и несетевых заведениях.
seats_by_chain_s = data.query('chain==True').pivot_table(index='category', values='seats', aggfunc='mean')\
.reset_index().sort_values(by='seats', ascending=False)
seats_by_chain_s['seats'] = seats_by_chain_s['seats'].astype(float).round()
seats_by_chain_s.columns = ['Категория заведения', 'Среднее кол-во посадочных мест']
display(seats_by_chain_s.style.background_gradient(cmap=cm)\
.set_caption("Среднее количество посадочных мест по категориям в сетевых заведениях"))
fig = px.bar(seats_by_chain_s, y='Среднее кол-во посадочных мест', x='Категория заведения',
title='Соотношение посадочных мест по категориям в сетевых заведениях',
hover_name='Категория заведения',
text='Среднее кол-во посадочных мест')
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.show()
| Категория заведения | Среднее кол-во посадочных мест | |
|---|---|---|
| 6 | ресторан | 87.000000 |
| 5 | пиццерия | 72.000000 |
| 4 | кофейня | 69.000000 |
| 0 | бар,паб | 67.000000 |
| 2 | быстрое питание | 63.000000 |
| 3 | кафе | 57.000000 |
| 7 | столовая | 55.000000 |
| 1 | булочная | 52.000000 |
В сетевых заведениях больше всего посадочных мест в "ресторанах". Посмотрим как обстоят дела с несетевыми заведениями.
seats_by_chain_n = data.query('chain==False').pivot_table(index='category', values='seats', aggfunc='mean')\
.reset_index().sort_values(by='seats', ascending=False)
seats_by_chain_n['seats'] = seats_by_chain_n['seats'].astype(float).round()
seats_by_chain_n.columns = ['Категория заведения', 'Среднее кол-во посадочных мест']
display(seats_by_chain_n.style.background_gradient(cmap=cm)\
.set_caption("Среднее количество посадочных мест по категориям в несетевых заведениях"))
fig = px.bar(seats_by_chain_n, y='Среднее кол-во посадочных мест', x='Категория заведения',
title='Соотношение посадочных мест по категориям в несетевых заведениях',
hover_name='Категория заведения',
text='Среднее кол-во посадочных мест')
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.show()
| Категория заведения | Среднее кол-во посадочных мест | |
|---|---|---|
| 0 | бар,паб | 79.000000 |
| 6 | ресторан | 69.000000 |
| 5 | пиццерия | 55.000000 |
| 2 | быстрое питание | 53.000000 |
| 7 | столовая | 51.000000 |
| 4 | кофейня | 49.000000 |
| 1 | булочная | 48.000000 |
| 3 | кафе | 46.000000 |
Самое большое количество посадочных мест в несетевых заведениях приходится на бары, пабы, а рестораны занимают второе место.
Если обобщить данные с графиков и таблиц, то получим то, что в сетевых заведениях среднее количество посадочных мест выше, чем в несетевых заведениях, например, в сетевых ресторанах в среднем 87 посадочных мест, а в несетевых 69, в сетевых пиццериях посадочных мест в среднем 72, а в несетевых 55. Проверим зависит ли количество посадочных мест от количества заведений в сети.
col_in_place = data.query('chain==True').groupby(['name']).agg(count=('name', 'count'), number_mean=('seats','mean'))
plt.figure(figsize=(10, 5))
plt.ylim(0, 130)
plt.xlim(0, 200)
plt.title('Зависимость среднего кол-ва посадочных мест от кол-ва заведений в сети')
sns.scatterplot(x='number_mean',
y='count',
alpha=0.5,
data=col_in_place)
plt.xlabel('Среднее кол-во посадочных мест')
plt.ylabel('Кол-во объектов в сети')
plt.grid('major')
plt.show()
Особой корреляции нет. Большинство точек сконцентрировано внизу, это говорит о том, что в сетях в основном находится до 10 заведений. Крупные сети встречаются довольно редко, средние значения посадочных мест в таких заведениях в основном находится в пределах от 60 до 100. Значения количества посадочных мест в сетевых заведениях, в среднем, доходят до 150.
Можно сделать вывод, что наибольшее количество посадочных мест занимают сетевые заведения категории "рестораны" и несетевые заведения категории "бары, пабы".
chain_places = data.pivot_table(index='chain', values='name', aggfunc='count').reset_index()
chain_places.columns = ['Тип заведения', 'Количество']
display(chain_places.style.background_gradient(cmap=cm)\
.set_caption("Соотношение сетевых и несетевых заведений"))
fig = px.pie(chain_places, values='Количество', names='Тип заведения',
title='Соотношение сетевых и несетевых заведений',
color_discrete_sequence=px.colors.sequential.RdBu,
hover_name=chain_places['Тип заведения'].map({True: 'сетевые заведения', False:'несетевые заведения'}))
fig.update_traces(pull=[0.05, 0, 0, 0],
textposition='inside',
texttemplate='%{label} %{percent:.0%}',
rotation=70,
textfont_size=14,
insidetextorientation='horizontal',
labels=chain_places['Тип заведения'].map({True: 'сетевые заведения', False:'несетевые заведения'}))
fig.show()
| Тип заведения | Количество | |
|---|---|---|
| 0 | False | 5199 |
| 1 | True | 3202 |
Из диаграммы видим, чтобольшую часть, а именно 62% от рынка общественного питания Москвы занимают несетевые заведения.
Проверим какие категории заведений чаще являются сетевыми.
#Сделаем сводную таблицу со столбцами кол-во сетевых заведений и с общим кол-ом заведений по категориям
chain_cat = data.pivot_table(index='category', values='chain', aggfunc=['sum', 'count'])\
.reset_index().sort_values(by=( 'sum', 'chain'), ascending=False)
chain_cat.columns = ['Категория заведения', 'Кол-во сетевых', 'Всего заведений']
chain_cat['Процент сетевых'] = round(chain_cat['Кол-во сетевых'] / chain_cat['Всего заведений'] * 100, 2)
#Выведем таблицу и подсветим заведения с наибольшим кол-вом сетевых заведений,
#а также заведения с наибольшей долей сетевых от общего числа заведений в категории
display(chain_cat.style.background_gradient(cmap=cm)\
.set_caption("Сетевые категории заведений"))
fig = px.bar(chain_cat, y=['Кол-во сетевых', 'Всего заведений'], x='Категория заведения',
title='Доля сетевых заведений по отношению к общему количеству заведений по категориям',
hover_name='Категория заведения',
barmode="group")
fig.show()
| Категория заведения | Кол-во сетевых | Всего заведений | Процент сетевых | |
|---|---|---|---|---|
| 3 | кафе | 778 | 2377 | 32.730000 |
| 6 | ресторан | 730 | 2041 | 35.770000 |
| 4 | кофейня | 720 | 1413 | 50.960000 |
| 5 | пиццерия | 330 | 633 | 52.130000 |
| 2 | быстрое питание | 232 | 603 | 38.470000 |
| 0 | бар,паб | 169 | 765 | 22.090000 |
| 1 | булочная | 155 | 254 | 61.020000 |
| 7 | столовая | 88 | 315 | 27.940000 |
Если смотреть на график, то наибольшее количество сетевых заведений относятся к категориям: кафе, ресторан и кофейня.
Однако, в сводной таблице, в которой представлены доли в процентном соотношении от общего числа заведений каждой категории, мы видим, что более 61% булочных являются сетевыми, а также сетевые пиццерии занимают более 52% от общего количества пиццерий, а сетевыми являются около 50% кофеен от общего числа кофеен.
Если учитывать оба вида показателей, то заведения относящиеся к категории "кофейни" чаще являются сетевыми. Именно кофейни имеют достаточно большое количественное значение заведений от рынка: общее количество кофеен 1413, при всем количество заведений общепита более 8 тысяч. Также кофейни имеют и большое долевое значение, около 50% от общего числа кофеен являются сетевыми.
Найдем сети заведений который считаются самыми популярными в региона и построим визуализацию.
#Находим топ 15 заведений по наибольшему количеству заведений в сети
top_pop = data.query('chain==True').groupby('name').agg({'name': 'count', 'category':'first'})
top_pop.columns = ['count', 'category']
top_pop = top_pop.reset_index()
top_pop.columns = ['Название сети', 'Кол-во заведений', 'Категория']
#Топ-15
top_pop = top_pop.nlargest(15, 'Кол-во заведений')
display(top_pop.style.background_gradient(cmap=cm)\
.set_caption("Топ-15 популярных сетей заведений"))
| Название сети | Кол-во заведений | Категория | |
|---|---|---|---|
| 740 | Шоколадница | 120 | кофейня |
| 343 | Домино'с пицца | 76 | пиццерия |
| 339 | Додо Пицца | 74 | пиццерия |
| 753 | Яндекс Лавка | 72 | ресторан |
| 147 | One Price Coffee | 71 | кофейня |
| 59 | Cofix | 65 | кофейня |
| 169 | Prime | 50 | ресторан |
| 675 | Хинкальная | 44 | быстрое питание |
| 377 | КОФЕПОРТ | 42 | кофейня |
| 429 | Кулинарная лавка братьев Караваевых | 39 | кафе |
| 639 | Теремок | 38 | ресторан |
| 694 | Чайхана | 37 | кафе |
| 40 | CofeFest | 32 | кофейня |
| 272 | Буханка | 32 | булочная |
| 488 | Му-Му | 27 | кафе |
fig = px.bar(top_pop, y='Кол-во заведений', x='Название сети',
title='Соотношение кол-ва заведений в топ-15 сетей Москвы',
hover_name='Название сети',
text='Кол-во заведений')
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.show()
Топ-15 сетей, которые у нас получились, знакомы практически каждому, общий признак этих заведений в том, что они относятся к общедоступным заведениям общественного питания со средним ценником. Большинство из этих заведений - это кафе, кофейни и пиццерии, где можно быстро перекусить, особенно это удобно из-за большого количество точек сети по всему региону.
#Сделаем сводную таблицу со столбцами кол-во заведений в регионе по категориям и общим количество заведений
df = data.pivot_table(index=['district', 'category'], values='name', aggfunc='count')\
.reset_index().sort_values(by=('name'), ascending=False)
df.columns = ['district', 'category', 'count']
#Создадим таблицу с районами и общим кол-ом заведений в районе
district_place = df.pivot_table(index='district', values='count', aggfunc='sum')
district_place.columns = ['sum']
district_place = district_place.reset_index().sort_values(by=('sum'), ascending=False)
district_table = df.merge(district_place, how='left', on='district')
district_table.columns = ['Район', 'Категория', 'Кол-во заведений по категориям', 'Всего заведений в регионе']
#Выведем таблицу по убыванию количества заведений в категориях
display(district_table.head(10).style.background_gradient(cmap=cm)\
.set_caption("Количество заведений по категориям и районам"))
#Выведем таблицу с общим количеством заведейний в районе
district_place.columns = ['Район', 'Кол-во заведений в районе']
display(district_place.head(10).style.background_gradient(cmap=cm)\
.set_caption("Общее количество заведений по районам"))
| Район | Категория | Кол-во заведений по категориям | Всего заведений в регионе | |
|---|---|---|---|---|
| 0 | Центральный административный округ | ресторан | 670 | 2241 |
| 1 | Центральный административный округ | кафе | 464 | 2241 |
| 2 | Центральный административный округ | кофейня | 428 | 2241 |
| 3 | Центральный административный округ | бар,паб | 364 | 2241 |
| 4 | Юго-Восточный административный округ | кафе | 282 | 714 |
| 5 | Восточный административный округ | кафе | 272 | 798 |
| 6 | Северо-Восточный административный округ | кафе | 269 | 890 |
| 7 | Южный административный округ | кафе | 264 | 892 |
| 8 | Западный административный округ | кафе | 239 | 850 |
| 9 | Юго-Западный административный округ | кафе | 238 | 709 |
| Район | Кол-во заведений в районе | |
|---|---|---|
| 5 | Центральный административный округ | 2241 |
| 2 | Северный административный округ | 898 |
| 8 | Южный административный округ | 892 |
| 3 | Северо-Восточный административный округ | 890 |
| 1 | Западный административный округ | 850 |
| 0 | Восточный административный округ | 798 |
| 6 | Юго-Восточный административный округ | 714 |
| 7 | Юго-Западный административный округ | 709 |
| 4 | Северо-Западный административный округ | 409 |
fig = px.bar(district_table, y='Кол-во заведений по категориям', x='Район',
title='Количество заведений по категориям по районам',
hover_name='Категория',
color='Категория',
text='Кол-во заведений по категориям',
color_continuous_scale=px.colors.sequential.Sunsetdark,
barmode='stack'
)
fig.update_traces(textfont_size = 12, textposition = 'inside')
fig.update_layout(height=700, font_size=10, uniformtext_minsize=8, uniformtext_mode='hide')
fig.show()
В датасете присутствуют 9 административных районов Москвы. Самым популярным, по количеству заведений в нем, является Центральный административный округ, в нем находится 2242 заведения всех представленных категорий.
Посмотрим как распределены средние рейтинги заведений по категориям и узнаем, сильно ли различаются усредненные рейтинги в разных типах общепита.
avg_rating = data.pivot_table(index='category', values='rating', aggfunc='mean').reset_index()\
.sort_values(by='rating', ascending=False)
avg_rating['rating'] = round(avg_rating['rating'], 1)
avg_rating.columns = ['Категория', 'Рейтинг']
display(avg_rating.head(10).style.background_gradient(cmap=cm)\
.set_caption("Средние рейтинги заведений по категориям"))
fig = px.bar(avg_rating, x='Категория', y='Рейтинг',
title='Средний рейтинг заведений',
hover_name='Категория',
color='Рейтинг',
text='Рейтинг',
color_continuous_scale=px.colors.sequential.YlGn)
fig.show()
| Категория | Рейтинг | |
|---|---|---|
| 0 | бар,паб | 4.400000 |
| 5 | пиццерия | 4.300000 |
| 6 | ресторан | 4.300000 |
| 4 | кофейня | 4.300000 |
| 1 | булочная | 4.300000 |
| 7 | столовая | 4.200000 |
| 3 | кафе | 4.100000 |
| 2 | быстрое питание | 4.100000 |
Средние рейтинги в разных категориях общепита действительно различаются, хоть и не сильно.
У баров и пабов рейтинг самый высокий - 4.4, у пиццерий, ресторанов, кофеин и булочных средний рейтинг одинаковый - 4.3, у столовых рейтинг чуть ниже - 4.2, у кафе и заведений быстрого питания самый низкий средний рейтинг - 4.1.
Ранее мы узнавали, что к самым популярным по количеству сетям относятся именно рестораны, пиццерии и кофейни. Теперь мы видим, что несмотря на популярность, а значит на большое количество заведений питания данного типа, рейтинги у них примерно одинаковые и являются достаточно высокими по сравнению с остальными категориями заведений.
Построим фоновую картограмму со средним рейтингом заведений каждого района.
rating_df = data.groupby('district', as_index=False)['rating'].agg('median')
rating_df.columns = ['Район', 'Средний рейтинг']
display(rating_df.head(10).style.background_gradient(cmap=cm)\
.set_caption("Средние рейтинги заведений по районам"))
| Район | Средний рейтинг | |
|---|---|---|
| 0 | Восточный административный округ | 4.300000 |
| 1 | Западный административный округ | 4.300000 |
| 2 | Северный административный округ | 4.300000 |
| 3 | Северо-Восточный административный округ | 4.200000 |
| 4 | Северо-Западный административный округ | 4.300000 |
| 5 | Центральный административный округ | 4.400000 |
| 6 | Юго-Восточный административный округ | 4.200000 |
| 7 | Юго-Западный административный округ | 4.300000 |
| 8 | Южный административный округ | 4.300000 |
# читаем JSON-файл с границами округов Москвы и сохраняем в переменной
with open('dataset/admin_level_geomap.geojson', 'r',\
encoding="utf-8") as f:
geo_json = json.load(f)
# moscow_lat - широта центра Москвы, moscow_lng - долгота центра Москвы
moscow_lat, moscow_lng = 55.751244, 37.618423
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
#используем ранее загруженный файл с границами округов Москвы
geo_data=geo_json,
data=rating_df,
columns=['Район', 'Средний рейтинг'],
key_on='feature.name',
fill_color='YlGn',
fill_opacity=0.8,
legend_name='Средний рейтинг заведений по районам Москвы',
).add_to(m)
# выводим карту
m
На карте видим, что самый высокий средний рейтинг заведений имеет Центральный административный округ, при этом Юго-восточный и северо-восточный районы имеют самый низкий средний рейтинг.
Отобразим все заведения датасета на карте с помощью кластеров.
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)
# пишем функцию, которая принимает строку датафрейма,
# создаёт маркер в текущей точке и добавляет его в кластер marker_cluster
def create_clusters(row):
Marker(
[row['lat'], row['lng']],
popup=f"{row['name']} {row['rating']}",
).add_to(marker_cluster)
# применяем функцию create_clusters() к каждой строке датафрейма
data.apply(create_clusters, axis=1)
# выводим карту
m
Отобразили все заведения общественного питания Москвы на карте.
Найдем топ-15 улиц по количеству заведений в Москве. Построим график распределения количества заведений и их категорий по улицам.
#Находим топ 15 улиц по количеству заведений в Москве
df_top_street = data.groupby('street', as_index=False).agg({'name': 'count'})\
.sort_values(by='name', ascending=False).nlargest(15, 'name')
df_top_street.columns = ['Название улицы', 'Кол-во заведений']
display(df_top_street.style.background_gradient(cmap=cm).set_caption("Топ-15 улиц по количеству заведений"))
df_cat_street = data.groupby(['street', 'category'], as_index=False).agg({'name': 'count'})\
.sort_values(by='name', ascending=False)
df_cat_street.columns = ['Название улицы', 'Категория', 'Кол-во заведений по категориям']
df_cat_street = df_top_street.merge(df_cat_street, how='left', on='Название улицы')\
.sort_values(by='Кол-во заведений по категориям', ascending=False)
display(df_cat_street.head(10).style.background_gradient(cmap=cm)\
.set_caption("Количество заведений по категориям"))
| Название улицы | Кол-во заведений | |
|---|---|---|
| 1090 | проспект Мира | 183 |
| 773 | Профсоюзная улица | 122 |
| 1087 | проспект Вернадского | 108 |
| 525 | Ленинский проспект | 107 |
| 523 | Ленинградский проспект | 95 |
| 373 | Дмитровское шоссе | 88 |
| 455 | Каширское шоссе | 77 |
| 298 | Варшавское шоссе | 76 |
| 524 | Ленинградское шоссе | 70 |
| 550 | МКАД | 65 |
| 547 | Люблинская улица | 60 |
| 1154 | улица Вавилова | 55 |
| 517 | Кутузовский проспект | 54 |
| 1309 | улица Миклухо-Маклая | 49 |
| 781 | Пятницкая улица | 48 |
| Название улицы | Кол-во заведений | Категория | Кол-во заведений по категориям | |
|---|---|---|---|---|
| 0 | проспект Мира | 183 | кафе | 53 |
| 70 | МКАД | 65 | кафе | 45 |
| 1 | проспект Мира | 183 | ресторан | 44 |
| 2 | проспект Мира | 183 | кофейня | 36 |
| 8 | Профсоюзная улица | 122 | кафе | 35 |
| 24 | Ленинский проспект | 107 | ресторан | 33 |
| 16 | проспект Вернадского | 108 | ресторан | 33 |
| 25 | Ленинский проспект | 107 | кафе | 26 |
| 76 | Люблинская улица | 60 | кафе | 26 |
| 62 | Ленинградское шоссе | 70 | ресторан | 26 |
warnings.filterwarnings("ignore")
df_heatmap = df_cat_street.pivot('Название улицы', 'Категория', 'Кол-во заведений по категориям')
df_heatmap
plt.figure(figsize=(15, 10))
sns.heatmap(df_heatmap, annot=True, cmap="coolwarm")
plt.show()
Из тепловой карты видим, что самой горячей улицей является проспект Мира. Именно на проспекте Мира находится больше всего кафе, ресторанов и кофеен.
Также популярными являютя Профсоюзная улица, на ней достаточно много кафе - 35, ресторанов - 26, и Ленинский проспект, на нем 33 ресторана, 26 кафе и 23 кофейни..
Ранее мы изображали карту заведений со средним рейтингом, на ней самый высокий рейтинг кафе был в центре, а в сторону северо-востока рейтинг сильно снижался. Проспект мира начинается как раз в том месте, где рейтинги заведений были самыми высокими и постепенно переходит в северо-восточную зону с самыми низкими рейтингами, сейчас мы выяснили, что на Проспекте Мира самое большое количество заведений.
Найдем улицы, на которых находится только 1 заведение общепита.
#Находим улицы, на которых 1 объект
df_one = data.groupby('street', as_index=False).agg({'name': 'count'})
df_one.columns = ['street', 'count']
df_one = df_one.query('count == 1')
df_one.head(10)
| street | count | |
|---|---|---|
| 0 | 1-й Автозаводский проезд | 1 |
| 1 | 1-й Балтийский переулок | 1 |
| 2 | 1-й Варшавский проезд | 1 |
| 3 | 1-й Вешняковский проезд | 1 |
| 5 | 1-й Голутвинский переулок | 1 |
| 6 | 1-й Грайвороновский проезд | 1 |
| 7 | 1-й Дербеневский переулок | 1 |
| 9 | 1-й Земельный переулок | 1 |
| 10 | 1-й Капотнинский проезд | 1 |
| 11 | 1-й Кирпичный переулок | 1 |
Отметим заведения на этих улицах на карте, чтобы посмотреть, есть ли какая-то взаимосвязь с расположением этих улиц или заведений на них.
street_location = df_one.merge(data, how='left', on='street')
street_location.head()
| street | count | name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | is_24_7 | name_lower | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1-й Автозаводский проезд | 1 | Чайхана Азия | кафе | Москва, 1-й Автозаводский проезд, 5 | Южный административный округ | ежедневно, круглосуточно | 55.704847 | 37.657065 | 4.2 | средние | Средний счёт:190–350 ₽ | 270.0 | NaN | True | 20 | True | чайхана азия |
| 1 | 1-й Балтийский переулок | 1 | Хуан Хэ | ресторан | Москва, 1-й Балтийский переулок, 3/25 | Северный административный округ | ежедневно, 12:00–22:00 | 55.810418 | 37.518824 | 4.4 | высокие | Средний счёт:1500–2000 ₽ | 1750.0 | NaN | False | 60 | False | хуан хэ |
| 2 | 1-й Варшавский проезд | 1 | Колизей | кафе | Москва, 1-й Варшавский проезд, 1Ас9 | Южный административный округ | пн-чт 10:00–00:00; пт-вс 10:00–05:00 | 55.648674 | 37.627979 | 4.0 | NaN | NaN | NaN | NaN | False | 0 | False | колизей |
| 3 | 1-й Вешняковский проезд | 1 | Deli by Shell | кафе | Москва, 1-й Вешняковский проезд, 15 | Юго-Восточный административный округ | NaN | 55.723152 | 37.794014 | 3.4 | NaN | NaN | NaN | NaN | False | 0 | False | deli by shell |
| 4 | 1-й Голутвинский переулок | 1 | Shelby | бар,паб | Москва, 1-й Голутвинский переулок, 6 | Центральный административный округ | пн-пт 09:00–20:00 | 55.739600 | 37.613494 | 4.1 | средние | Средний счёт:500–800 ₽ | 650.0 | NaN | False | 22 | False | shelby |
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles="Cartodb Positron")
# создаём пустой кластер, добавляем его на карту
marker_cluster = MarkerCluster().add_to(m)
# применяем функцию create_clusters() к каждой строке датафрейма
street_location.apply(create_clusters, axis=1)
# выводим карту
m
Можно заметить, что большинство улиц, на которых находится 1 заведение, являются проездами или переулками, а не главными артериями города.
Проверим, если ли еще какая-то взаимосвязь, например между улицами и категориями заведений. Для этого посчитаем количество заведений на этих улицах по категориям.
rest = street_location.groupby('category', as_index=False)['name'].count()
rest.columns = ['Категория', 'Кол-во заведений']
display(rest.head(10).style.background_gradient(cmap=cm)\
.set_caption("Количество заведений по категориям на улицах с 1 заведением"))
| Категория | Кол-во заведений | |
|---|---|---|
| 0 | бар,паб | 39 |
| 1 | булочная | 8 |
| 2 | быстрое питание | 23 |
| 3 | кафе | 160 |
| 4 | кофейня | 84 |
| 5 | пиццерия | 15 |
| 6 | ресторан | 93 |
| 7 | столовая | 36 |
Можно заметить, что большинство таких заведений являются "кафе", их почти в 2 раза больше чем ресторанов и кофеен. На популярных улицах ранее мы замечали, что количество кафе, ресторанов и кофеен находилось примерно на одном уровне.
Посчитаем медиану средних чеков заведений для каждого района. Используем это значение в качестве ценового индикатора района. Построим построим фоновую картограмму с полученными значениями для каждого района. Проанализируем цены в центральном административном округе и других, и узнаем как удаленность от центра влияет на цены в заведениях.
mid_bill = data.groupby('district', as_index=False)['middle_avg_bill'].agg('median')
mid_bill.columns = ['Район', 'Средний чек']
display(mid_bill.head(10).style.background_gradient(cmap=cm)\
.set_caption("Распределение средних чеков по районам"))
| Район | Средний чек | |
|---|---|---|
| 0 | Восточный административный округ | 575.000000 |
| 1 | Западный административный округ | 1000.000000 |
| 2 | Северный административный округ | 650.000000 |
| 3 | Северо-Восточный административный округ | 500.000000 |
| 4 | Северо-Западный административный округ | 700.000000 |
| 5 | Центральный административный округ | 1000.000000 |
| 6 | Юго-Восточный административный округ | 450.000000 |
| 7 | Юго-Западный административный округ | 600.000000 |
| 8 | Южный административный округ | 500.000000 |
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
geo_data=geo_json,
data=mid_bill,
columns=['Район', 'Средний чек'],
key_on='feature.name',
fill_color='YlGn',
fill_opacity=0.8,
legend_name='Средний чек заведений по районам Москвы',
).add_to(m)
m
Удаленность от центра влияет на среднюю стоимость чека в заведении. К районам с самым высоким средним чеком относятся Центральный и Западный административные районы.
К районам с самым низким средним чеком относятся Восточный, Юго-Восточный и Северо-Восточный административные районы.
В данном разделе мы выяснили, что в датасете представлено 8406 заведений 8-ми категорий общественного питания Москвы:
При этом наибольшее количество посадочных мест приходилось на рестораны и бары. В сетевых заведениях больше посадочных мест в ресторанах, а в несетевых - в барах.
Мы выяснили что 62% заведений общественного питания Москвы не являются сетевыми.
Что касается сетевых заведений, наибольший процент булочных являются сетевыми, а именно 61% от всех булочных. При этом, если будем смотреть именно на количество сетевых заведений, а не процент, то преобладают кафе, их 779 сетевых, далее идут рестораны - 730 и кофейни - 720.
Из топ-15 сетей заведений Москвы, лидируют Шоколадница - 120 заведений, Домино"с пицца - 76 заведения и Додо Пицца - 74 заведения. Большинство заведений из топ-15 относятся к категориям кофейни, пиццерии, рестораны и кафе.
Самым популярным из представленных районов Москвы является Центральный административный округ. В нем находятся 2242 заведения общественного питания. В нем самое большое количество ресторанов - 670, кафе - 464 и кофеен - 428.
Самые высокие средние рейтинги заведений оказались у пабов и баров - 4.4. Что касается расположения заведений, то рейтинг 4.4 в среднем получают заведения из Центрального административного округа.
Самой популярной улицей по количеству заведений оказалась проспект Мира, на нем находятся 184 заведения общественного питания, из них 53 кафе 45 ресторанов и 36 кофеен. Далее идут Профсоюзная улица - 122 заведения и проспект Вернадского - 108 заведений.
Улицы с одним заведением общепита на ней являются переулками и проездами, а не главными улицами региона. На улицах с одним заведениям чаще всего заведения являются кафе.
Наиболее высокие средние чеки у заведений расположенных в Западном административном округе и в Центральном административном округе, здесь средний чек составляет 1000р. Самые дешевые средние чеки в Северо-Восточном, Юго-Восточном и Южном округах. Также в Северо-Восточном и Юго-Восточном округах самые низкие рейтинги у заведений общественного питания.
Всего в датасете представлено 1413 кофеен.
coffee_district = data.query('category == "кофейня"').groupby('district', as_index=False)['name']\
.count().sort_values(by='name', ascending=False)
coffee_district.columns = ['Район', 'Кол-во кофеен']
display(coffee_district.style.background_gradient(cmap=cm)\
.set_caption("Количество кофеен по районам"))
| Район | Кол-во кофеен | |
|---|---|---|
| 5 | Центральный административный округ | 428 |
| 2 | Северный административный округ | 193 |
| 3 | Северо-Восточный административный округ | 159 |
| 1 | Западный административный округ | 150 |
| 8 | Южный административный округ | 131 |
| 0 | Восточный административный округ | 105 |
| 7 | Юго-Западный административный округ | 96 |
| 6 | Юго-Восточный административный округ | 89 |
| 4 | Северо-Западный административный округ | 62 |
Больше всего кофеен, а именно 428, находяится в Центральном административном округе.
coffee_street = data.query('category == "кофейня"').groupby('street', as_index=False)['name']\
.count().sort_values(by='name', ascending=False)
coffee_street.columns = ['Улица', 'Кол-во кофеен']
display(coffee_street.head().style.background_gradient(cmap=cm)\
.set_caption("Количество кофеен по улицам"))
| Улица | Кол-во кофеен | |
|---|---|---|
| 476 | проспект Мира | 36 |
| 212 | Ленинградский проспект | 25 |
| 214 | Ленинский проспект | 23 |
| 331 | Профсоюзная улица | 18 |
| 474 | проспект Вернадского | 16 |
Больше всего кофеен находится в Центральном административном округе на проспекте Мира, там их 36, также много кофеен на Ленинградском и Ленинском проспектах, там их 25 и 23 соответсвенно.
Для того, чтобы узнать есть ли круглосуточные кофейни, построим таблицу.
fulltime_coffee = data.query('category == "кофейня" and is_24_7 == True')
print('Всего круглосуточных кофеен', len(fulltime_coffee))
fulltime_coffee.head()
Всего круглосуточных кофеен 59
| name | category | address | district | hours | lat | lng | rating | price | avg_bill | middle_avg_bill | middle_coffee_cup | chain | seats | street | is_24_7 | name_lower | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 200 | Wild Bean | кофейня | Москва, Дмитровское шоссе, 107Е | Северный административный округ | ежедневно, круглосуточно | 55.878477 | 37.543426 | 3.5 | NaN | NaN | NaN | NaN | True | 20 | Дмитровское шоссе | True | wild bean |
| 971 | Wild Bean Cafe | кофейня | Москва, Ярославское шоссе, 116 | Северо-Восточный административный округ | ежедневно, круглосуточно | 55.867822 | 37.708853 | 4.0 | NaN | NaN | NaN | NaN | True | 25 | Ярославское шоссе | True | wild bean cafe |
| 1047 | Wild Bean Cafe | кофейня | Москва, Ярославское шоссе, вл3с3 | Северо-Восточный административный округ | ежедневно, круглосуточно | 55.851778 | 37.676423 | 4.5 | NaN | Цена чашки капучино:140–200 ₽ | NaN | 170.0 | True | 0 | Ярославское шоссе | True | wild bean cafe |
| 1214 | Wild Bean Cafe | кофейня | Москва, МКАД, 65-й километр, 8 | Северо-Западный административный округ | ежедневно, круглосуточно | 55.813787 | 37.390701 | 4.3 | NaN | NaN | NaN | NaN | True | 0 | МКАД | True | wild bean cafe |
| 1291 | Шоколадница | кофейня | Москва, улица Народного Ополчения, 49, корп. 1 | Северо-Западный административный округ | ежедневно, круглосуточно | 55.794815 | 37.494834 | 4.2 | средние | Средний счёт:650–850 ₽ | 750.0 | NaN | True | 200 | улица Народного Ополчения | True | шоколадница |
Посмотрим какие у кофеен обычно средние рейтинги по районам.
cof_distr_rat = data.query('category == "кофейня"').groupby('district', as_index=False)['rating'].agg('median')
cof_distr_rat.columns = ['Район', 'Средний рейтинг']
display(cof_distr_rat.style.background_gradient(cmap=cm)\
.set_caption("Распределение средних рейтингов по районам"))
| Район | Средний рейтинг | |
|---|---|---|
| 0 | Восточный административный округ | 4.300000 |
| 1 | Западный административный округ | 4.200000 |
| 2 | Северный административный округ | 4.300000 |
| 3 | Северо-Восточный административный округ | 4.300000 |
| 4 | Северо-Западный административный округ | 4.300000 |
| 5 | Центральный административный округ | 4.300000 |
| 6 | Юго-Восточный административный округ | 4.300000 |
| 7 | Юго-Западный административный округ | 4.300000 |
| 8 | Южный административный округ | 4.300000 |
# создаём карту Москвы
m = Map(location=[moscow_lat, moscow_lng], zoom_start=10, tiles='Cartodb Positron')
# создаём хороплет с помощью конструктора Choropleth и добавляем его на карту
Choropleth(
geo_data=geo_json,
data=cof_distr_rat,
columns=['Район', 'Средний рейтинг'],
key_on='feature.name',
fill_color='YlGn',
fill_opacity=0.8,
legend_name='Средний рейтинг кофеен по районам Москвы',
).add_to(m)
m
Во всех районах у кофеен рейтинги примерно одинаковые, кроме западного административного округа, средний рейтинг кофеен в этой районе ниже остальных.
Посчитаем, на какую стоимость чашки капучино стоит ориентироваться при открытии кофейни.
coffee_cup = data.query('category == "кофейня"')
print('Средняя стоимость чашки капучино', \
round(coffee_cup['middle_coffee_cup'].mean()), 'рублей.')
Средняя стоимость чашки капучино 175 рублей.
Проверим какая средняя стоимость кофе в Центральном административном округе.
coffee_cup = data.query('category == "кофейня" and district == "Центральный административный округ"')
print('Средняя стоимость чашки капучино в Центральном административном округе', \
round(coffee_cup['middle_coffee_cup'].mean()), 'рублей.')
Средняя стоимость чашки капучино в Центральном административном округе 188 рублей.
coffee_cup = data.query('category == "кофейня" and district ==\
"Центральный административный округ" and is_24_7 == True')
print('Средняя стоимость чашки капучино в Центральном административном округе в круглосуточной кофейне', \
round(coffee_cup['middle_coffee_cup'].mean()), 'рублей.')
Средняя стоимость чашки капучино в Центральном административном округе в круглосуточной кофейне 217 рублей.
coffee_cup = data.query('category == "кофейня" and district ==\
"Центральный административный округ" and is_24_7 == False')
print('Средняя стоимость чашки капучино в Центральном административном округе в кофейне не круглосуточной', \
round(coffee_cup['middle_coffee_cup'].mean()), 'рублей.')
Средняя стоимость чашки капучино в Центральном административном округе в кофейне не круглосуточной 187 рублей.
Проверим, какого типа кофейни встречаются чаще: там где берут напитки на вынос (например в кофе-точках или фудкортах), или там кофейни, в которых можно посидеть и выпить кофе.
print('Количество кофеен, в которых есть места для посетителей, равно',\
data.query('category == "кофейня" and seats > 0', engine='python')['name'].count())
print('Количество кофеен, которые работают только на вынос, равно',\
data.query('category == "кофейня" and seats == 0', engine='python')['name'].count())
Количество кофеен, в которых есть места для посетителей, равно 727 Количество кофеен, которые работают только на вынос, равно 686
Кофеен, в которых можно остаться, провести время и попить кофе явно больше.
Вывод:
Так как заказчики не боятся конкуренции в сфере общественного питания, то из всего вышеописанного можно порекомендовать следующее: кофейню действительно можно открыть и для этого рассмотреть варианты расположения с более высокой конкуренцией, зато более прибыльные.
Для открытия лучше выбрать проспект Мира, расположение должно быть таким, чтобы кофейня на этой улице входила в Центральный административный округ. Именно в этом районе сосредоточено больше всего кофеен и самые высокие рейтинги у заведений, а также высокая стоимость кофе. В отличие от общей средней стоимости чашки капучино в 175 рублей, в этом районе стоимость чашки в районе 188 рублей, именно на эту стоимость и стоит ориентироваться при открытии. Однако, если сделать кофейню круглосуточной, то стоимость кофе можно увеличить до 217 рублей, так как в этой зоне у кофеен круглосуточных средняя стоимость кофе выше.
Презентация: https://disk.yandex.ru/i/XlGDwaIEytUbww